Les VDR historiques facturent en supplément un caviardage par IA qui ne fonctionne pas. Entropia a une meilleure solution.
Un analyste sell-side télécharge 87 contrats de travail dans une data room. Chacun contient des numéros de sécurité sociale, des adresses personnelles, des détails de salaire. La VDR promet de tout caviarder automatiquement. Un clic, promettaient les supports marketing. Quarante-cinq secondes plus tard, une confirmation s'affiche : « 248 caviardages terminés. »
L'analyste ouvre un fichier au hasard. Le numéro de sécurité sociale du PDG est là, visible. Trois autres vérifications révèlent des lacunes similaires. Le système automatisé a raté les variations de formatage, peiné avec les documents scannés, échoué à reconnaître les noms abrégés.
Huit heures de vérification manuelle suivent. Mieux vaut ça que risquer une violation RGPD ou faire capoter une transaction parce que des noms de clients confidentiels ont fuité vers un concurrent.
« Je préfère que mon stagiaire passe huit heures sur le caviardage plutôt que cinq minutes avec une solution IA et prendre le risque », dit Victor, associé M&A dans une grande banque d'investissement européenne. La réputation de la banque est en jeu à chaque document partagé. Aucun algorithme ne peut prendre cette décision sans supervision.
Le caviardage de documents dans les fusions-acquisitions ne consiste pas à cacher des détails embarrassants. Il remplit trois fonctions précises qui entraînent des conséquences juridiques et financières quand elles sont mal exécutées.
Les conséquences d'un échec sont concrètes. Une liste clients divulguée peut déclencher des renégociations de contrats. Des données tarifaires exposées minent le positionnement concurrentiel. Les violations d'informations personnelles génèrent un examen réglementaire qui retarde ou tue complètement les transactions.
Et puis il y a la contrainte technique : un vrai caviardage doit détruire les octets de données sous-jacents, pas simplement superposer des rectangles noirs. Certains cabinets de TS parlent ouvertement d'outils capables de « décaviarder » des documents où le texte original reste incorporé dans la structure du fichier. Si les acquéreurs ou leurs conseillers possèdent de tels outils, le caviardage cosmétique devient une divulgation.
Les fournisseurs de VDR historiques ont flairé une opportunité. L'intelligence artificielle était la solution à tous les problèmes des logiciels, y compris apparemment le caviardage de documents. Les supports marketing promettaient des résultats spectaculaires : « Caviardez 1 000 fichiers en un clic » « 80 % d'économie de temps ».
Datasite, l'un des acteurs établis, met en avant sa fonctionnalité de caviardage automatisé. Mais la démo présentée sur leur site web échoue de manière spectaculaire. Le système peut identifier des termes évidents comme les numéros de sécurité sociale dans des documents structurés, mais la complexité le met rapidement en échec. La mise en page des pdf, les documents scannées, restent complètement opaques. Les tableaux brouillent sa logique.
Le système peut correctement identifier des informations confidentielles dans certains contrats de travail tout en en ratant d'autres où le formatage diffère légèrement. Aucun score d'incertitude n'apparaît. Aucun intervalle de confiance. Juste des coches vertes et des responsabilités enfouies.
Ce que les fournisseurs historiques vendent réellement, c'est de l'IA autonome. Le système prend des décisions sur ce qu'il faut caviarder en se basant sur la reconnaissance de motifs et les données d'entraînement. Il exécute ces décisions sans supervision humaine. Le rôle humain se réduit à cliquer sur « approuver » pour des opérations en masse affectant des centaines ou des milliers de documents simultanément.
Cette autonomie devient une vulnérabilité. Les équipes M&A n'ont pas besoin de logiciels qui prennent des décisions. Elles ont besoin d'outils qui préservent leur capacité à prendre des décisions tout en éliminant les frictions.
Le modèle tarifaire révèle les vraies priorités des fournisseurs. Les fournisseurs historiques facturent jusqu'à 2 500 € supplémentaires par data room pour le caviardage assisté par IA. Et certains comptent les pages caviardées comme des fichiers séparés, facturant deux fois le même document. Les équipes téléchargent un contrat de cinquante pages, caviardent dix pages, et découvrent qu'on leur facture cent pages de stockage. Cela a des effets secondaires : les utilisateurs caviardent hors de la VDR pour éviter cette inflation, sapant tout l'intérêt d'un système centralisé et auditable.
La conversation sur le caviardage dopé à l'IA se concentre typiquement sur la vitesse et l'automatisation. Cela rate ce que les professionnels du M&A demandent réellement à leurs outils.
Entropia adopte une approche différente du caviardage. Plutôt que de tenter de rendre l'IA autonome, la plateforme la rend contextuelle.
Le système observe ce que font les utilisateurs, apprend de leur environnement spécifique, et étend les décisions individuelles selon le contexte. Point critique : chaque suggestion nécessite une validation humaine avant exécution.
Un analyste caviarde un numéro de sécurité sociale dans un contrat de travail. Cette action unique crée un élément de contexte que le système réplique. La plateforme cherche ce contexte dans chaque document de la data room et signale chaque occurrence. L'analyste passe en revue les résultats, confirme les correspondances pour appliquer le caviardage.
Un jugement, exécuté cinquante fois. L'humain a décidé quoi caviarder. Le logiciel a géré la reconnaissance de caractères et l'exécution.
Cela s'étend à des scénarios plus complexes. Une équipe télécharge des états financiers mensuellement tout au long d'une transaction. Ils caviardent des tranches de salaire spécifiques et des valeurs de contrats dans le premier lot. Quand de nouveaux états arrivent des semaines plus tard, le système identifie les champs analogues selon la position, le formatage et les motifs précédents. Il les signale pour vérification. L'équipe confirme ou ajuste, puis applique.
Le système gère aussi les variations de format. Caviardez « Pierre-Louis Corteel » une fois, et la plateforme signale « P.L. Corteel », « Corteel PL » et les variations similaires à travers tous les documents. Pas automatiquement caviardé, automatiquement signalé. La distinction compte. Les utilisateurs gardent le contrôle pendant que le système prévient les oublis qui pourraient survenir.
Les documents scannés ou PDF sont généralement exclus des automatisations, mais dans Entropia, ils sont entièrement recherchables, avec les mêmes workflows de caviardage s'appliquant quelle que soit le format des documents, là où les systèmes historiques échouent.
La fonctionnalité de recherche s'intègre directement au caviardage. Cherchez un élément dans un document, trouvez dix occurrences, caviardez-les toutes en un clic. Puis le système vous alerte d'autres occurrences dans différents fichiers. Le workflow devient : chercher, vérifier les résultats dans le document actuel, caviarder les occurrences confirmées, puis traiter les éléments signalés ailleurs dans la data room.
La tarification suit une logique entièrement différente. Le caviardage assisté n'est pas une fonctionnalité additionnelle. Les documents caviardés n'entraînent pas de surfacturation par page. C'est inclus dans la plateforme. Pas d'incitations artificielles à caviarder hors du système. Pas de pénalités pour une protection minutieuse des documents.
La vraie question : est-ce que les équipes M&A vont exiger de meilleurs outils, ou est-ce qu'elles vont continuer à s'accommoder de risques élevés ? Pour l'instant, elles semblent rejeter le théâtre de l'automatisation pour garder le contrôle.
Les fournisseurs qui marketent « un caviardage en un clic pour 1 000 fichiers » ne répondent pas aux besoins réels des professionnels du M&A. Ils vendent l'idée de gains de productivité aux décideurs budgétaires qui ne sont pas dans les tranchées à vérifier les documents. Ceux qui font réellement le travail savent faire la différence entre vitesse et minutie.
Un système contextuel comme celui d'Entropia offre une voie médiane. L'IA ne prend pas de décisions, elle étend les décisions que les humains ont déjà prises. L'expertise humaine reste centrale. Le logiciel élimine les tâches mécaniques répétitives tout en gardant la supervision aux moments critiques. Ça compte parce que les volumes de documents en M&A continuent de croître. Une transaction de taille moyenne implique facilement des milliers de fichiers. La vérification purement manuelle devient ingérable à cette échelle. Mais les systèmes autonomes qui prennent des décisions non supervisées sur des données sensibles ne sont pas non plus la solution.
La solution passe par l'IA, mais pas celle que les fournisseurs ont marketée. Pas des systèmes qui remplacent le jugement humain par une confiance algorithmique. Des outils qui étendent le jugement humain à travers de plus grands ensembles de données tout en maintenant visibilité et contrôle à chaque étape. Est-ce que l'industrie VDR va dans cette direction ? Ça dépend de qui prend les décisions d'achat : les équipes transactionnelles qui comprennent les exigences, ou les départements achats qui optimisent pour des listes de fonctionnalités et la réduction des coûts.
Les conversations avec les professionnels du M&A pointent vers les premiers. Quand un associé dit « Je préfère que mon stagiaire passe huit heures sur le caviardage plutôt que prendre le risque avec l'IA », ce n'est pas de la technophobie. C'est quelqu'un qui sait exactement où se situe la responsabilité quand des documents fuitent ou que les régulateurs enquêtent.
Le contrôle, au fond, c'est savoir quand automatiser et quand vérifier. Le meilleur système de caviardage n'est pas celui qui promet de tout faire automatiquement. C'est celui qui aide les humains à mieux faire leur travail sans les retirer du process.
-> En savoir plus sur notre data room contextuelle dans cet article.